Services vocaux unifiés pour la reconnaissance vocale, la synthèse vocale et la traduction vocale
Les services Speech unifiés offrent un large éventail de fonctionnalités de reconnaissance vocale et de génération, notamment la transcription de la parole, la synthèse vocale et la traduction vocale. Les services Speech offrent un large éventail de fonctionnalités de reconnaissance vocale et de génération, notamment la transcription de la parole, la synthèse vocale, la traduction vocale et la reconnaissance de l’orateur.
Explorez les options tarifaires
Appliquez des filtres pour personnaliser les options de tarification à vos besoins.
Les prix ne sont que des estimations et ne sont pas destinés à être des devis réels. Le prix réel peut varier selon le type de contrat conclu avec Microsoft, la date d'achat et le taux de change. Les prix sont calculés en dollars américains et convertis à l'aide des taux de clôture au comptant de Londres saisis au cours des deux jours ouvrables précédant le dernier jour ouvrable de la fin du mois précédent. Si les deux jours ouvrables précédant la fin du mois tombent un jour férié sur les principaux marchés, le jour de fixation des taux est généralement le jour précédant immédiatement les deux jours ouvrables. Ce taux s'applique à toutes les transactions du mois à venir. Connectez-vous au calculateur de prix Azure pour voir les prix en fonction de votre programme/offre actuel avec Microsoft. Contactez un spécialiste des ventes Azure pour plus d'informations sur les prix ou pour demander un devis. Consultez les questions fréquemment posées sur la tarification Azure.
Les services fédéraux américains (US Government) peuvent acheter les services Azure Government auprès d’un fournisseur de solutions de licence, sans engagement financier initial, ou directement par le biais d’un abonnement en ligne avec paiement à l’utilisation.
Important : le prix en réal brésilien est donné à titre indicatif uniquement ; s’agissant d’une transaction internationale, le prix final dépend du taux de change et de la présence éventuelle de taxes. Aucun eNF ne sera émis.
Les services fédéraux américains (US Government) peuvent acheter les services Azure Government auprès d’un fournisseur de solutions de licence, sans engagement financier initial, ou directement par le biais d’un abonnement en ligne avec paiement à l’utilisation.
Important : le prix en réal brésilien est donné à titre indicatif uniquement ; s’agissant d’une transaction internationale, le prix final dépend du taux de change et de la présence éventuelle de taxes. Aucun eNF ne sera émis.
Gratuit (F0)
Catégorie | Fonctionnalités | Tarif |
---|---|---|
Reconnaissance vocale (facturation par seconde) |
Standard | 5 heures audio gratuites par mois3 |
API Web |
5 heures audio gratuites par mois3 Hébergement de point de terminaison : 1 modèle gratuit par mois1 |
|
Audio multicanal de transcription de conversation VERSION PRÉLIMINAIRE | 5 heures audio gratuites par mois | |
Synthèse vocale (facturation par caractère) |
Neuronal | 0.5 million millions de caractères gratuits par mois |
Traduction vocale (facturation par seconde) |
Standard | 5 heures audio gratuites par mois |
Reconnaissance de l'orateur (facturation par transaction) |
Vérification de l’orateur2 | 10,000 transactions gratuites par mois |
Identification de l’orateur2 | 10,000 transactions gratuites par mois | |
Stockage du profil vocal | 10,000 transactions gratuites par mois |
Paiement à l’utilisation : payez uniquement pour ce que vous utilisez.
Catégorie | Tarif | |
---|---|---|
Reconnaissance vocale (facturation par seconde) |
Standard |
Transcription en temps réel : $- par heure Transcription rapide: $- par heure9 Transcription par lots : $- par heure1 |
API Web |
Transcription en temps réel : $- par heure Transcription par lots : $- par heure1 Hébergement de point de terminaison : $- par modèle par heure Formation Custom Speech5: $- par heure de calcul |
|
Fonctionnalités améliorées du module complémentaire :
|
Temps réel : $- par heure par fonctionnalité Lot (identification en langage continu, diarisation) : inclus dans Standard/Personnalisé (sans frais supplémentaires) |
|
Audio multicanal de transcription de conversation VERSION PRÉLIMINAIRE | $- par heure2 | |
Traduction vocale (facturation par seconde) |
Traduction vocale en temps réel | $- par heure audio3 |
Traduction vidéoAperçu |
Lot : $- par minute vidéo de sortie Modification du contenu : $- par minute vidéo de sortie Voice personnelle: $- par minute vidéo de sortie |
|
Synthèse vocale8 | Voix standard |
Neuronal: $- tous les 1 million de caractères HD neural4: $- tous les 1 million de caractères |
Custom Voice |
Audio professionnel :
Synthèse : $- par 1 million de caractères
Formation au modèle vocal : $- par heure de calcul, jusqu’à $- par formation Hébergement de point de terminaison : $- par modèle par heure |
|
Voice personnelle6:
Synthèse : $- par 1 million de caractères
Création de voix : gratuit Stockage du profil Voice : $- pour 1 000 profils vocaux par mois |
||
Fonctionnalité améliorée du module complémentaire : Avatar | Standard: $- par minute | |
API Web:
Synthèse en temps réel : $- par minute
Synthèse par lots : $- par minute Hébergement de point de terminaison : $- par modèle et par heure |
||
Reconnaissance de l'orateur (facturation par transaction) |
Vérification de l’orateur7 | $- toutes les 1,000 transactions |
Identification de l’orateur7 | $- toutes les 1,000 transactions | |
Stockage du profil vocal | $- tous les 1,000 profils vocaux (10,000 profils vocaux gratuits par mois) |
Niveaux d'engagement – Azure – Standard
Catégorie | Fonctionnalités | Prix (par mois) | Dépassement |
---|---|---|---|
Reconnaissance vocale | Standard | $- pendant 2,000 heures | $- par heure |
$- pendant 10,000 heures | $- par heure | ||
$- pendant 50,000 heures | $- par heure | ||
API Web | $- pendant 2,000 heures | $- par heure | |
$- pendant 10,000 heures | $- par heure | ||
$- pendant 50,000 heures | $- par heure | ||
Fonctionnalités améliorées du module complémentaire :2
|
$- pendant 2,000 heures | $- par heure | |
$- pendant 10,000 heures | $- par heure | ||
$- pendant 50,000 heures | $- par heure | ||
Synthèse vocale | Neuronal1 | $- pour 80 M de caractères | $- par lot de 1 M de caractères |
$- pour 400 M de caractères | $- par lot de 1 M de caractères | ||
$- pour 2,000 M de caractères | $- par lot de 1 M de caractères |
1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.
2Parole en texte en temps réel uniquement, fonctionnalités complémentaires d'identification continue du langage et de diarisation incluses avec la reconnaissance vocale par lots.
Niveaux d'engagement – Conteneur connecté
Catégorie | Fonctionnalités | Prix (par mois) | Dépassement |
---|---|---|---|
Reconnaissance vocale2 | Standard | $- pendant 2,000 heures | $- par heure |
$- pendant 10,000 heures | $- par heure | ||
$- pendant 50,000 heures | $- par heure | ||
API Web | $- pendant 2,000 heures | $- par heure | |
$- pendant 10,000 heures | $- par heure | ||
$- pendant 50,000 heures | $- par heure | ||
Fonctionnalités améliorées du module complémentaire :2
|
$- pendant 2,000 heures | $- par heure | |
$- pendant 10,000 heures | $- par heure | ||
$- pendant 50,000 heures | $- par heure | ||
Synthèse vocale | Neuronal1 | $- pour 80 M de caractères | $- par lot de 1 M de caractères |
$- pour 400 M de caractères | $- par lot de 1 M de caractères | ||
$- pour 2,000 M de caractères | $- par lot de 1 M de caractères |
1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.
2La tarification s’applique aux cas d’utilisation en temps réel et par lots. Il n’existe pas de prix de lot distinct pour les conteneurs.
Consultez la documentation pour plus d'informations sur les niveaux d'engagement.
Niveaux d'engagement – Conteneur déconnecté
Inscrivez-vous pour accéder à la parole dans des conteneurs déconnectés ou en savoir plus
Catégorie | Fonctionnalités | Prix (par an) | Utilisation maximale (par an) | Utilisation projetée (par mois) |
---|---|---|---|---|
Reconnaissance vocale2 | Standard |
$-
$- Inscrivez-vous pour obtenir l'accès. En savoir plus |
120 000 heures
600 000 heures |
10 000 heures
50 000 heures |
API Web |
$-
$- Inscrivez-vous pour obtenir l'accès. En savoir plus |
120 000 heures
600 000 heures |
10 000 heures
50 000 heures |
|
Fonctionnalités améliorées du module complémentaire :
|
$-
$- |
120 000 heures
600 000 heures |
10 000 heures
50 000 heures |
|
Synthèse vocale | Neuronal1 |
$-
$- Inscrivez-vous pour obtenir l'accès. En savoir plus |
4,8 milliards de caractères
24B caractères |
400 millions de caractères
2 000 millions de caractères |
1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.
2La tarification s’applique aux cas d’utilisation en temps réel et par lots. Il n’existe pas de prix de lot distinct pour les conteneurs.
Ces fonctionnalités sont déconseillées et ne sont disponibles que pour les clients existants. Consultez les détails et découvrez comment migrer vers de nouvelles fonctionnalités.
Instance | Catégorie | Fonctionnalités | Tarif |
---|---|---|---|
Gratuit - Web/conteneur 1 demandes simultanées |
Synthèse vocale | Standard | 5 million millions de caractères gratuits par mois |
API Web |
5 million millions de caractères gratuits par mois Hébergement de point de terminaison : 1 modèle gratuit par mois |
||
Standard - Web/Conteneur 100 demandes simultanées pour le modèle de base 20 demandes simultanées pour le modèle personnalisé |
Synthèse vocale | Standard | $- tous les 1 million de caractères |
API Web |
$- tous les 1 million de caractères Hébergement de point de terminaison : $- par modèle par heure |
Tarification et options d’achat Azure
Connectez-vous directement avec nous
Obtenez un guide pas à pas de la tarification Azure. Comprenez la tarification de votre solution cloud, découvrez l’optimisation des coûts et demandez une offre personnalisée.
Discuter avec un spécialiste des ventesDécouvrez les modalités d'achat
Achetez des services Azure via le site web Azure, un représentant Azure ou un partenaire Azure.
Explorez vos optionsRessources supplémentaires
Azure AI Speech
En savoir plus sur les fonctionnalités et capacités Azure AI Speech.
Calculatrice de prix
Estimez vos coûts mensuels pour l’utilisation des différentes combinaisons de produits Azure.
Documentation
Consulter les didacticiels et vidéos techniques, et d’autres ressources Azure AI Speech.
Forum Aux Questions
-
- Pour la reconnaissance vocale et la traduction vocale, l’utilisation est facturée par incréments d’une seconde.
- Pour la synthèse vocale : l’utilisation est facturée par caractère. Vérifiez la définition d’un caractère dans les notes sur la tarification.
- Pour l'hébergement vocal neural personnalisé : l'utilisation est facturée par point de terminaison et par seconde. Vérifiez les détails dans la note de prix.
- Pour le stockage de profils vocaux personnels : l'utilisation est facturée par profil vocal et par jour. Vérifiez les détails dans la note de prix.
- Pour l’avatar Synthèse vocale, l’utilisation est facturée par seconde.
- Pour Reconnaissance vocale et Synthèse vocale (y compris Avatar), l’hébergement des points de terminaison pour les modèles personnalisés est facturé à la seconde et par modèle.
-
Le service vocal Speech permet aux utilisateurs d’adapter des modèles de base en fonction de leurs propres données acoustiques et linguistiques, produisant ainsi des modèles vocaux personnalisés qui peuvent être utilisés avec la reconnaissance vocale et la traduction vocale.
-
Le modèle linguistique est une distribution de probabilité sur des séquences de mots. Le modèle linguistique aide le système à opérer un choix parmi des séquences de mots homophones, en se basant sur la probabilité des séquences de mots elles-mêmes. Par exemple, les groupes de mots « séquence vocale » et « c’est quand ce veau cale » se prononcent de la même manière mais, la première hypothèse étant sensiblement plus probable, le modèle linguistique lui attribue un score supérieur. Si vous vous attendez à ce que les requêtes vocales adressées à votre application contiennent des éléments de vocabulaire particuliers, tels que des noms de produits ou des mots de jargon technique rarement rencontrés dans un discours ordinaire, vous obtiendrez probablement de meilleures performances en personnalisant le modèle linguistique. Par exemple, imaginons que vous construisez une application pour rechercher sur MSDN à l’aide de la voix. Il est probable que des termes tels que « orienté objet » ou « espace de noms » apparaissent plus fréquemment que dans des applications vocales ordinaires. La personnalisation du modèle linguistique permet au système d’apprendre cela.
-
Le modèle acoustique est un classifieur qui étiquette de courts fragments audio en l’un des quelques phonèmes, ou unités sonores, de chaque langue. Ces phonèmes peuvent être assemblés pour former des mots. Par exemple, le mot « vocal » comprend cinq phonèmes : « v », « o », « k », « a » et « l ». Ces classifications sont effectuées une centaine de fois par seconde. Une personnalisation du modèle acoustique peut permettre au système d’effectuer une meilleure reconnaissance vocale dans un environnement atypique. Par exemple, si vous avez une application conçue pour être utilisée par des ouvriers travaillant dans un entrepôt ou un atelier, un modèle acoustique personnalisé peut reconnaître de façon plus précise le discours en présence des bruits rencontrés dans ces environnements.
-
Le service Speech offre un vaste éventail de polices de la voix pour la synthèse vocale (TTS). Toutefois, la voix neuronale personnalisée vous permet de créer votre propre voix personnalisée, adaptée à vos besoins et à votre image de marque. Pour plus d’informations, lisez le blog.
-
L'identification de la langue vous permet d'identifier un changement de langue parlée et de transcrire la parole en conséquence. Cela peut être appliqué dans des scénarios où la langue audio est inconnue ou lorsque le ou les locuteurs peuvent parler plusieurs langues. L'identification en une seule langue est disponible sans frais supplémentaires. L'identification continue de la langue est une fonction complémentaire améliorée. Consultez les documents pour en savoir plus.
-
- L'évaluation de la prononciation évalue la prononciation de la parole et donne aux locuteurs des informations sur la précision et la fluidité de l'audio parlé. Grâce à l'évaluation de la prononciation, les apprenants en langues peuvent s'entraîner, obtenir des commentaires instantanés et améliorer leur prononciation afin de pouvoir parler et présenter en toute confiance. Les éducateurs peuvent utiliser la capacité d'évaluer la prononciation de plusieurs locuteurs en temps réel. Visitez docs pour apprendre plus.
- Il est facturé en standard Speech to Text, exemple :
Pour l'évaluation de 8 secondes de parole, vous serez facturé environ $-
Discutez avec un spécialiste des ventes pour qu’il vous explique en détail la tarification Azure. Comprendre la tarification de votre solution cloud.
Profitez de services cloud gratuits et d’un crédit de $200 pour découvrir Azure pendant 30 jours.